（来源：上观新闻）
换句话说，在🐠👊机器人🐡🕦任务上真♥正重要的模型能力🏊♀️改进，并不📌必然反🕚🥮映在训练损失的🎫变化上，这也解释🥥了为什☸么单纯在具身场景🇮🇱数据上微调VLM🐝（那样做同样会降🦜低训练损失）却🎴🏴未必能改善🦟机器人任🎌🌗务表现🗾🍰。【如果您有新闻线🤾♀️🍾索，欢㊙迎向我们🌦🙌报料，一经💕采纳有费用🇱🇨🚄酬谢🇸🇯。
在拓荒期，深度🗑的股权绑定提🎳供了极致的🐦效率；而🕎📑在成长期，💁♂️😕这种纽带🇱🇦正在通过资本化、☹生态化⚗🇳🇦的方式转🌋🔤化为更具包容💖🐛性的重力场🐊。撕开估值溢🙋🍃价的表象，🤹♂️去拆解这家💂🔣互联网平💍台公司在产业链🇹🇻条上的生态卡位💽，这场关于“身🏴🦋份进化”与“🈁🏝平台公器化”📩的博弈，是具身智🇧🇯能走向🇿🇼规模化商业落地过⛱👜程中，最💰值得观察的样本之😩🔣一🇦🇮。
在海外🇨🇴市场，迪英加的产🌓🎻品已获得CE认证🤑，主要出🇸🇨🥯口中东地区🚟，并在印度尼西亚🧸、阿联酋、越⚛🚬南及欧洲等🤐地开展❎试用⚜。具体来说，他🔞🚾们让VL📞M读取每一个数🛢据样本，提🍶取出模型对这🦌🎆个样本的内部理🌻🛤解表示（可以🇦🇱理解为模型对这🦝🇮🇩段内容的"印象🕹🍕"），然后用一种⛹️♀️泛普软件叫做最大均🖍🚊值差异（MM🇩🇰🤷♂️D）的工具🔅来量化不同数据⏲集之间的分布💦🛠距离——距离💷👨👦越大，说明🎭👻两组数据的"世界🏺👩👩👦👦观"差🛵异越大🏚。
